당뇨병은 혈중의 당 농도가 떨어지지 않는 증상을 나타내며 세포가 에너지원을 이용하지 못해 체중이 감소하고 심장, 혈관 및 기타 질병의 위험을 증가시키는 대사질환이다. 세계적으로 당뇨병 환자 중 세포가 인슐린에 반응하지 못하는 제2형 당뇨병 환자수가 대부분을 차지한다. 현재 시판 중인 제2형 당뇨병 치료제는 DPP-4의 활성을 저해하는 약물이 많다. 하지만 약물의 내성, 부작용과 같은 이유로 신약 개발 필요성이 요구되지만 이는 공정이 매우 복잡하다. 이를 해결하고자 효율적인 신약 발굴방법인 Drug Repositioning을 적용한 다킹 연구를 진행하였다. DPP-4 저해제에 대해 보고된 결합형태를 QM_Dock_Docking을 이용해 binding affinity를 계산하였다. 이 결과를 바탕으로 FDA의 승인을 받은 약물과 DPP-4의 촉매부위와의 binding pose 그리고 affinity를 Dock과 QM_Dock_Docking을 이용해 계산하고 선별하였다. Ciclesonide, Dapiprazole 그리고 Ximelagatran을 최종 후보로 선별하였으며 GLU206과 PHE357 두 잔기가 공통적을 작용하는 것을 관찰하였다. 이 연구를 통해 제2형 당뇨병 치료관련 신약개발에 비용과 시간을 대폭 줄이는 연구가 가능하다.

단백질의 구조를 예측하기 위해 주로 사용되는 주형기반예측 방법의 경우, 실제 구조에 가까운 예측을 위해서 부분적인 구조 개선을 필요로 한다. 이번 연구에서는 단백질의 초기 구조에서 각 아미노산 잔기가 실제 구조와 얼마나 차이가 날지 예측하는 잔기 별 오차 예측을 목적으로 하였다. 기존에 GALAXY에서 사용되는 예측 방법에, MD로부터 얻어진 fluctuation 값들의 분포와 2차 구조를 예측한 결과가 추가 정보로 사용되었고, 오차를 예측하는 과정에 선형 결합 모델 대신 기계 학습 모델을 적용하였다. 이 과정에서 추가된 정보들과 새로 적용된 기계학습 방법들이 예측 성능을 높였다는 것을 확인할 수 있었으며, EDISON의 GalaxyQA와 비교하여 ROC/AUC 기준으로 +0.1325의 성능 향상을 얻었다.

알츠하이머병은 치매를 유발하는 가장 주된 원인 질환으로 환자들은 인지 장애를 겪게 된다. 현재 치료약으로 사용되는 약으로는 acetylcholinesterase 저해재가 있지만 이 약들의 효과는 미비하다. 그래서 인지기능에 영향을 미친다고 알려진 신경전달물질인 GABA, Glutamate, acetylcholine의 수치를 조절 할 수 있는 5-HT6 receptor antagonist가 현재 개발되고 있다. 현재 여러 antagonist들이 임상실험 되었고, 인지 능력향상에 효과를 보이고 있다. 그러나, 5-HT6 receptor의 구조가 밝혀지지 않아 아직 원자적 수준의 결합 분석이 이루어지지 않았으므로 이 부분에 대한 연구가 필요하다. 따라서 본 연구에서는 Homology modeling을 통해 receptor의 구조를 예측하고, 현재 임상실험 중인 antagonist들 중 7개를 docking을 통해 단백질과 리간드의 결합을 예측하였다. Edison에서 Galaxy TBM과 Galaxy Refine을 사용하여 Homology modeling 한 결과 GPCR의 전형적인 모델에 특징적으로 긴 c-terminal을 가졌다는 것을 확인 할 수 있었다. 생성된 구조를 가지고 Edison의 Dock 프로그램으로 7개의 antagonist가 어떠한 결합을 하는지 분석하였다. 그 결과, binding pose에 공통적으로 Trp102, Asp106, Val107, Pro177, Phe188, Val189, Ala192, Phe284, Phe285, Asn288, Thr306, Tyr310이 관여하는 것을 docking을 통해 알 수 있었다. 특히, Phe285는 7개의 antagonist 중에 4개와의 interaction을 하고 있는 것을 관찰하였다. 이 연구를 통하여 5-HT6에 효과적으로 결합하여 치료효과를 낼 수 있는 신약을 개발할 수 있다.

"Epidermal growth factor receptor(EGFR)는 HER family에 속하는 tyrosine kinase receptor로서 다양한 하류경로로 신호를 전달하여 세포 증식, 혈관 형성, 세포 사멸을 억제하는 역할을 한다. EGFR이 폐암의 형성에 중요한 역할을 하고 많은 상피세포 종양에서 비정상적으로 활성화됨에 따라 암 치료에 중요한 역할을 하고 있어 EGFR tyrosine kinase inhibitor(TKI)에 관한 많은 연구가 이루어졌다. 위와 같은 약 개발에 있어서 현재 가상 시뮬레이션을 통한 약 후보물질 개발이 진행되고 있다. 특히, Molecular docking 시뮬레이션은 기존의 실험적인 기술(X-ray crystallography, NMR)로는 연구하기가 어려웠던 protein과 ligand간의 상호작용을 예측하여 이에 대한 정보를 제공할 수 있다. 하지만, 우선적으로 Molecular docking 시뮬레이션은 정확한 validation을 기반으로 진행되어야 신뢰할 수 있는 정보를 얻을 수 있다. 따라서 이번 연구에서는 EDISON에서 제공하는 Dock 프로그램과 일반적으로 잘 알려진 Glide, Autodock 프로그램으로 protein data bank(PDB)에서 제공하는 EGFR wild type cocrystal을 redocking하는 방식을 통하여 최상위 rank pose의 RMSD 값을 통한 validation 성능을 비교함으로써 어떤 프로그램이 EGFR과 ligand 간의 결합예측을 하는데 있어서 보다 더 정확한 결과를 낼 수 있는지 알아보고자 하였고 시뮬레이션 결과 Autodock에서 가장 우수한 결과 값을 보여주었다."

Heat Shock 70kDa Protein 1-Like(HSPA1L)는 Heat-shock protein70(HSP70) family에 속하는 chaperone protein으로 polypeptide folding, assembly, protein degradation 등 다양한 biological processes에 관여하고 있다. HSPA1L은 human methyltransferase-like protein 21A(METTL21A)에 의해 lysine residue에 methylation이 일어나게 되는데, 암세포에서 일반적인 HSPA1L은 주로 세포질에서 발견되는 반면 methylated HSPA1L의 경우 주로 핵에서 발견이 됨으로써 HSPA1L methylation이 암 세포 성장에 중요할 역할을 할 것이라 추측되며 anti-cancer drug target으로 주목 받고 있다. 하지만 현재 HSPA1L의 구조가 부분적으로만 밝혀져 있어 HSPA1L와 METTL21A가 어떤 residue들이 interaction 하여 binding을 하는지에 대해서 아직 밝혀 지지 않았다. 이로 인해 anti-cancer drug target으로서의 연구에 제한이 있다. 이번 연구에서는 homology modeling(Galaxy-TBM, Galaxy-refine)을 통해 HSPA1L 전체 구조를 밝혀 낸 후, HSPA1L 와 METTL21A를 protein-protein docking을 통해 binding pose 예측을 하였다. 이러한 binding pose를 protein interaction analysis하여 HSPA1L과 METTL21A binding에 관여하는 중요 residue들을 밝혀 냈다. 이러한 structural information은 methylated HSPA1L와 암 세포 성장간의 연관성, 더 나아가 anti-cancer drug 개발로 까지도 이어 질 수 있을 것이라 생각한다.

Alzheimer's disease is one of the most common types of degenerative dementia. As a considerable cause of Alzheimer's disease, neurotoxic plaques composed of 39 to 42 residue-long amyloid beta(Aβ) fibrils have been found in the patient's brain in large quantity. A previous study found that erythrosine B (ER), a red color food dye approved by FDA, inhibits the formation of amyloid beta fibril structures. Here, in an attempt to elucidate the inhibition mechanism, we performed molecular dynamics simulations to demonstrate the conformational change of Aβ40 induced by 2 ERs in atomistic detail. During the simulation, the ERs bound to the surfaces of both N-terminus and C-terminus regions of Aβ40 rapidly. The observed stacking of the ERs and the aromatic side chains near the N-terminus region suggests a possible inhibition mechanism in which disturbing the inter-chain stacking of PHEs destabilizes beta-sheet enriched in amyloid beta fibrils. The bound ERs block water molecules and thereby help stabilizing alpha helical structure at the main chain of C-terminus and interrupt the formation of the salt-bridge ASP23-LYS28 at the same time. Our findings can help better understanding of the current and upcoming treatment studies for Alzheimer’s disease by suggesting inhibition mechanism of ER on the conformational transition of Aβ40 at the molecular level.

신약을 개발하거나 단백질 구조를 예측하는데 Molecular Mechanics(MM)의 방법을 사용한다. 하지만, MM만으로는 자연현상에서 일어나는 결과를 정화하게 기술하기 어렵다. 본 연구는 기존의 MM방법으로는 정확이 예측이 불가능한 비 공유결합 중 하나인 - interaction을 양자역학 계산을 통해 정확한 예측이 가능한지 알아보았다. - interaction이란 생체 내, 의약 화합물에서 발견되는 결합이기 때문에, 단백질과 결합하는 구조의 예측에 중요하다고 할 수 잇ㄷ. 본 실험은 - interaction을 갖는 Sandwich, T shape, 그리고 Parallel displaced 세 가지 모형과 각각의 모형 아래에 분자를 하나 더 쌓은 모형을 추가하여 양자역학 계산을 수행하였다. 양자역학 계산은 DFT의 세가지 함수 M06_2X, M05_2X, B3LYP를 이용하였다. 실험결과에서 세 가지 함수가 각기 다른 결과를 보였는데, 상대적으로 B3LYP의 경우에는 세 가지 모델에서 모두 제대로 된 에너지 변화를 계산하지 못하였으며, M06_2X와 M05_2X의 결과에서는 거리에 따른 - interaction에너지의 변화를 정확하게 계산하였다. 이러한 결과를 바탕으로, 양자역학의 방법을 통해 MM에서는 예측이 불가능한 - interaction을 계산할 수 있고 이 부분을 고려하여 화합물 간의 결합 구조를 예측을 향상시킬 수 있다.

신약을 개발하거나 단백질 구조를 예측하는데 Molecular Mechanics (MM)의 방법을 사용한다. 하지만, MM만으로는 자연현상에서 일어나는 결과를 정확하게 기술하기 어렵다. 본 연구는 기존의 MM방법으로는 정확히 예측이 불가능한 비 공유결합 중 하나인 π-π interaction을 양자역학 계산을 통해 정확한 예측이 가능한지 보았다. π-π interaction 이란 생체 내, 의약 화합물에서 발견되는 결합이기 때문에, 단백질과 결합하는 구조의 예측이 중요하다고 할 수 있다. 본 실험은 π-π interaction을 갖는 Sandwich, T shape, 그리고 Parallel displaced 세 가지 모형을 가지고 양자역학 계산을 수행하였다. 양자역학 계산은 DFT의 세 가지 함수 M06_2X, M05_2X, B3LYP를 이용하였다. 실험결과에서 세 가지 함수가 각기 다른 결과를 보였는데, M06_2X의 결과에서 π-π interaction을 더 정확하게 계산하였다. 이러한 결과를 바탕으로, 양자역학의 방법을 통해 MM에서는 예측이 불가능한 π-π interaction을 계산 할 수 있고 이 부분을 고려하여 화합물 간의 결합구조를 예측을 향상시킬 수 있다.

생물정보학의 다양한 이론적 내용과 계산적 방법들이 갈수록 전문화 되어짐에 따라 신약 개발, 신 물질 합성, 단백질의 구조 예측 등 다양한 분야에서 필요성이 커져가고 있다. 이중 molecular docking 기술은 단백질과 특정 분자간의 결합 형태를 분자 모델링 기법을 통해 알아내는 방법이며 신약개발 연구에 큰 영향을 미치고 있다. Molecular docking 을 통하여 분자간의 결합 형태를 예측하는 과정에서 Protein-ligand complex 의 정확한 에너지 측정을 가능하게 하는 scoring function 이 필요하다. 그런데 본 연구에서 사용한 B-Raf kinase protein 은 active site 부분에서 ligand 와 receptor 간에 aromatic ring 로 인한 π–π interaction 이 정확한 에너지 계산을 어렵게 한다. 이러한 π–π interaction 부분의 에너지를 정확하게 계산하기 위해 양자역학 계산을 실시하였다. Active site 부분에서 ligand 와 receptor 에서 발생하는 각각 다른 5 개의 π–π interaction 구조를 준비하여 Gaussian 을 통해 양자역학 에너지를 계산하였다. 그리고 이러한 결과 값들이 ligand 의 활성 값과 어떤 상관관계를 갖는지 살펴보았다. 그 결과 π–π interaction 을 양자역학으로 계산한 값이 그렇지 않은 것보다 더 좋은 상관관계를 보여주었다. 이는 특별한 구조의 영향으로 ligand 와 receptor 간의 결합에너지를 정확하게 계산하기 어려운 문제에서 양자역학을 적용할 경우 더욱 좋은 결과값을 얻을 수 있었다. 또한 이러한 데이터가 신 물질 개발이나 신약 개발 등의 다양한 분야에서 계산화학 방법이 신뢰성을 얻는데 도움 될 수 있다고 생각된다.

Dopamine agonists and antagonists and its receptor play a critical role in the information transfer in the nervous system, and dopamine receptor-ligands interactions are deeply related to Parkinson’s disease, schizophrenia and some other mental diseases. However, the only experimental 3D structure available for dopamine receptors is human D3 dopamine receptor. Therefore, it is important to create model of subtype dopamine receptor-ligands interactions. We report here the 3D structures of the human D1 and D2 dopamine receptor predicted by using GalaxyTBM, and its predicted binding site determined by using GalaxyDock. The highly conserved Asp on TM 3 and Phe on TM 6 have critical role in ligand binding. Also, highly conserved serines on TM 5 are essential for binding agonists and some kinds of antagonists. We identify differences between binding sites of agonists and antagonists of human D1 and D2 dopamine receptor, and find the reasons of selective binding of antagonists.